論文の概要: Hand Gesture Recognition from Doppler Radar Signals Using Echo State Networks

• arxiv url: http://arxiv.org/abs/2602.04436v1
• Date: Wed, 04 Feb 2026 11:11:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.495132
• Title: Hand Gesture Recognition from Doppler Radar Signals Using Echo State Networks
• Title（参考訳）: エコー状態ネットワークを用いたドップラーレーダ信号のハンドジェスチャ認識
• Authors: Towa Sano, Gouhei Tanaka,
• Abstract要約: ハンドジェスチャ認識(HGR)はヒューマンコンピュータインタラクション(HCI)の基本技術である 特に、ドップラーレーダー信号に基づくHGRは車内インタフェースやロボットシステムに適している。 本稿では、周波数変調連続波(FMCW)レーダ信号を用いたレーダベースHGRに対するエコー状態ネットワーク(ESN)アプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.5745796568988237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hand gesture recognition (HGR) is a fundamental technology in human computer interaction (HCI).In particular, HGR based on Doppler radar signals is suited for in-vehicle interfaces and robotic systems, necessitating lightweight and computationally efficient recognition techniques. However, conventional deep learning-based methods still suffer from high computational costs. To address this issue, we propose an Echo State Network (ESN) approach for radar-based HGR, using frequency-modulated-continuous-wave (FMCW) radar signals. Raw radar data is first converted into feature maps, such as range-time and Doppler-time maps, which are then fed into one or more recurrent neural network-based reservoirs. The obtained reservoir states are processed by readout classifiers, including ridge regression, support vector machines, and random forests. Comparative experiments demonstrate that our method outperforms existing approaches on an 11-class HGR task using the Soli dataset and surpasses existing deep learning models on a 4-class HGR task using the Dop-NET dataset. The results indicate that parallel processing using multi-reservoir ESNs are effective for recognizing temporal patterns from the multiple different feature maps in the time-space and time-frequency domains. Our ESN approaches achieve high recognition performance with low computational cost in HGR, showing great potential for more advanced HCI technologies, especially in resource-constrained environments.
• Abstract（参考訳）: ハンドジェスチャー認識(HGR)は、ヒューマンコンピュータインタラクション(HCI)の基本技術である。 特に、ドップラーレーダー信号に基づくHGRは車載インタフェースやロボットシステムに適しており、軽量で計算効率の良い認識技術を必要とする。 しかし、従来のディープラーニングベースの手法は依然として高い計算コストに悩まされている。 この問題に対処するために,周波数変調連続波(FMCW)レーダ信号を用いたレーダベースHGRに対するエコー状態ネットワーク(ESN)アプローチを提案する。 生レーダーデータは、まずレンジタイムやドップラータイムマップなどの特徴マップに変換され、その後1つ以上の繰り返しニューラルネットワークベースの貯水池に供給される。 得られた貯留状態は、リッジ回帰、支持ベクトルマシン、ランダム森林を含む読み出し分類器によって処理される。 比較実験により,本手法はSoliデータセットを用いた11クラスHGRタスクにおける既存手法よりも優れ,Dop-NETデータセットを用いた4クラスHGRタスクにおける既存ディープラーニングモデルよりも優れていることが示された。 その結果,マルチ貯留層ESNを用いた並列処理は,時間空間と時間周波数領域における複数の特徴マップから時間パターンを認識するのに有効であることが示唆された。 ESNアプローチはHGRの低計算コストで高い認識性能を実現し,特に資源制約環境において,より先進的なHCI技術の可能性を示す。

関連論文リスト

• Spatiotemporal Radar Gesture Recognition with Hybrid Spiking Neural Networks: Balancing Accuracy and Efficiency [3.6205625120193354]
  本稿では,レーダに基づく人間活動認識(HAR)におけるスパイキングニューラルネットワーク(SNN)の利用について紹介する。 我々の新しいハイブリッドアーキテクチャは、空間的特徴抽出のための畳み込みモジュールと時間的処理のためのLeaky Integrate-and-Fireニューロンを組み合わせる。 レーダベースHARの効率的かつ競争力のあるソリューションとしてSNNを確立し, 精度, レイテンシ, メモリ, エネルギーの観点からスパイキング計算のトレードオフを実証する。
  論文  参考訳（メタデータ） (2025-09-27T13:31:11Z)
• Live Demonstration: Neuromorphic Radar for Gesture Recognition [11.7558457204162]
  本稿では,生物センシングにインスパイアされたイベント駆動型アーキテクチャを用いて,リアルタイム・低消費電力ハンドジェスチャ認識(HGR)のためのニューロモルフィックレーダフレームワークを提案する。 本システムは24GHzドップラーレーダのフロントエンドと、中間周波数(IF)信号をスパーススパイクベース表現に変換する独自のニューロモルフィックサンプリング器を備える。
  論文  参考訳（メタデータ） (2025-08-05T11:06:22Z)
• Neuromorphic Wireless Split Computing with Resonate-and-Fire Neurons [69.73249913506042]
  本稿では、共振器(RF)ニューロンを用いて時間領域信号を直接処理する無線スプリットコンピューティングアーキテクチャについて検討する。 可変周波数で共鳴することにより、RFニューロンは低スパイク活性を維持しながら時間局在スペクトル特徴を抽出する。 実験の結果,提案したRF-SNNアーキテクチャは従来のLIF-SNNやANNと同等の精度を達成できることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T21:14:59Z)
• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-25T13:22:17Z)
• Fast and Accurate Cooperative Radio Map Estimation Enabled by GAN [63.90647197249949]
  6G時代には、無線リソースのリアルタイムモニタリングと管理が、多様な無線アプリケーションをサポートするように求められている。 本稿では,GAN(Generative Adversarial Network)による協調的無線地図推定手法を提案する。
  論文  参考訳（メタデータ） (2024-02-05T05:01:28Z)
• Semantic Segmentation of Radar Detections using Convolutions on Point Clouds [59.45414406974091]
  本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。 このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。 我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2023-05-22T07:09:35Z)
• HDNet: Hierarchical Dynamic Network for Gait Recognition using Millimeter-Wave Radar [13.19744551082316]
  mmWaveレーダを用いた歩行認識のための階層型動的ネットワーク(HDNet)を提案する。 提案手法の優位性を証明するため,2つの公開ミリ波レーダに基づく歩行認識データセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-11-01T07:34:22Z)
• Three-Way Deep Neural Network for Radio Frequency Map Generation and Source Localization [67.93423427193055]
  空間、時間、周波数領域にわたる無線スペクトルのモニタリングは、5Gと6G以上の通信技術において重要な特徴となる。 本稿では,空間領域全体にわたる不規則分散計測を補間するGAN(Generative Adversarial Network)機械学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T22:25:10Z)
• Wireless Sensing With Deep Spectrogram Network and Primitive Based Autoregressive Hybrid Channel Model [20.670058030653458]
  無線センシングに基づくヒューマンモーション認識(hmr)は,シーン理解のための低コスト手法である。 現在のHMRシステムは、レーダー信号を分類するためにサポートベクターマシン(SVM)と畳み込みニューラルネットワーク(CNN)を採用している。 本稿では,残差マッピング技術を利用してHMR性能を向上させるディープ・スペクトログラム・ネットワーク(DSN)を提案する。
  論文  参考訳（メタデータ） (2021-04-21T06:33:01Z)
• Deep Cellular Recurrent Network for Efficient Analysis of Time-Series Data with Spatial Information [52.635997570873194]
  本研究では,空間情報を用いた複雑な多次元時系列データを処理するための新しいディープセルリカレントニューラルネットワーク(DCRNN)アーキテクチャを提案する。 提案するアーキテクチャは,文献に比較して,学習可能なパラメータをかなり少なくしつつ,最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-01-12T20:08:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。